La tecnología GenCast predice el tiempo y los riesgos de condiciones extremas con precisión de última generación. El nuevo modelo de IA avanza en la predicción de incertidumbres y riesgos climáticos, ofreciendo pronósticos más rápidos y precisos hasta 15 días en adelante. El clima afecta a todos y nos determina las decisiones que tomamos, nuestra seguridad y la forma de vida que llevamos. Los fenómenos meteorológicos extremos, pronósticos precisos y confiables son más importantes que nunca, pero el clima no puede ser predicho perfectamente, y los pronósticos son especialmente inciertos más allá de unos pocos días.
Los científicos y las agencias meteorológicas utilizan pronósticos probabilísticos conjuntos, en lugar de un solo pronóstico. Estos pronósticos conjuntos proporcionan a los responsables de la toma de decisiones una visión más completa de las condiciones meteorológicas esperadas en los próximos días y semanas y la probabilidad de cada escenario posible. Hoy, presentamos GenCast, nuestro nuevo modelo de alta resolución (0.25°) AI conjunto. GenCast ofrece mejores predicciones tanto del clima diario como de los fenómenos extremos que el sistema operativo más importante, el Centro Europeo de Meteorología de Mediano Plazo Pronósticos’ (ECMWF) ENS, con hasta 15 días de antelación. Publicaremos el código de nuestro modelo, pesos y pronósticos para apoyar a la comunidad más amplia de pronósticos meteorológicos. La evolución de los modelos meteorológicos de IA GenCast marca un avance crítico en la predicción meteorológica basada en IA, sustituyendo nuestro anterior modelo meteorológico determinista y ofreciendo una única mejor estimación del tiempo futuro por un conjunto de 50 o más predicciones, cada una de las cuales representa una posible trayectoria meteorológica. GenCast es un modelo de difusión, que aprende a generar con precisión el complejo distribución de probabilidad de futuros escenarios meteorológicos, basándose en datos históricos del archivo ERA5 de ECMWF. Estos datos incluyen variables como la temperatura, velocidad del viento y presión a diferentes alturas. Estamos trabajando en establecer un nuevo estándar de predicción meteorológica para evaluar rigurosamente el rendimiento de GenCast, que se entrenó con los datos climáticos hasta 2018 y se probó con los datos de 2019. GenCast demostró una capacidad superior de predicción en comparación con el ENS del sistema predictivo conjunto más operativo de la ECMWF, que muchas decisiones nacionales e internacionales dependen todos los días. El ENS fue evaluado considerando pronósticos de diferentes variables y entregas de tiempo - 1320 combinaciones en total. GenCast resultó más preciso que el ENS en el 97,2% de estos objetivos y en un 99,8% en los plazos superiores a 36 horas. Mejores predicciones del clima extremo, como olas de calor o vientos fuertes, permiten acciones preventivas oportunas y rentables. GenCast ofrece mayor valor que el ENS al tomar decisiones sobre las medidas de preparación ante estos eventos meteorológicos. Un pronóstico conjunto expresa incertidumbre al hacer múltiples predicciones que representan diferentes escenarios posibles.
GenCast logra el equilibrio correcto, evitando tanto exagerar como subestimar su confianza en las predicciones. Un pronóstico de 15 días toma sólo 8 minutos con Google Cloud TPU v5, y cada pronóstico se puede generar simultáneamente y paralelamente. Las predicciones tradicionales basadas en la física conjunta, como las producidas por el ENS, tardan horas en una supercomputadora con decenas de miles de procesadores para resoluciones de 0,2° o 0,1°. Previsiones más avanzadas sobre eventos meteorológicos extremos pueden ayudar a los funcionarios a salvaguardar vidas y bienes cuando probamos la capacidad de GenCast en el predicción del calor, frío extremo y viento fuerte. El pronóstico de GenCast muestra una variedad de rutas posibles para el tifón Hagibis con siete días de anticipación, pero la evolución de los caminos predichos se estreña durante varios días en un clúster de confianza y precisión alta y precisa a medida que el ciclón devastador se acerca a la costa japonesa. La mejora en las predicciones también podría desempeñar un papel crucial en otros aspectos de la sociedad, como la planificación de energías renovables. Las mejoras en las predicciones de energía eólica aumentan directamente la confiabilidad de la energía eólica como fuente de energía sostenible y pueden acelerar su adopción potencialmente. En un experimento de prueba preliminar que analizó las predicciones de energía eólica generadas por agrupaciones de parques eólicos de todo el mundo, GenCast fue más preciso que ENS. La próxima generación y la comprensión del clima en Google incluye a GenCast como parte de su suite creciente de modelos climáticos de IA de la siguiente generación, incluyendo Google DeepMind basado en el determinismo medio pronóstico y Google Research NeuralGCM, SEEDS y modelos de inundaciones. Estos modelos están empezando a alimentar las experiencias de los usuarios en Google Search y Maps, y mejoran la predicción de lluvias, incendios forestales, inundaciones y calor extremo. Valoremos profundamente nuestras asociaciones con el tiempo, y seguiremos trabajando con ellos para desarrollar métodos basados en IA que mejoren sus pronósticos. Los modelos siguen siendo esenciales para este trabajo. Por un lado, proporcionan los datos de formación y las condiciones meteorológicas iniciales requeridas por esta cooperación entre la IA y la meteorología tradicional, lo que resalta el poder de un enfoque combinado para mejorar las predicciones y servir a la sociedad mejor. Fomentamos una colaboración más amplia y ayudamos a acelerar la investigación y el desarrollo en el clima y la comunidad climática, hemos hecho de GenCast un modelo abierto y publicado su código y pesos, como lo hicimos por nuestro determinista modelo de pronóstico climático global de mediano alcance. A pronto lanzaremos pronósticos históricos y en tiempo real desde GenCast, y modelos anteriores que permitirán a cualquiera integrar estos datos meteorológicos en sus propios modelos e investigaciones workflows.
Estamos ansiosos de colaborar con la comunidad meteorológica en general, incluyendo investigadores académicos, meteorólogos, científicos de datos, empresas de energía renovable y organizaciones centradas en la seguridad alimentaria y la respuesta a los desastres. Ofrecemos una visión profunda y retroalimentación constructiva, así como oportunidades invaluables para el impacto comercial y no comercial, todo lo cual es crítico para nuestra misión de aplicar nuestros modelos en beneficio de la humanidad.
